GPU编程模型中存储体冲突的研究

GPU并行计算模型中使用共享内存是提高并行计算效率的重要途径,由于进程访问导致的存储体冲突,却会成倍地降低执行效率。经过分析存储体冲突产生的原因,提出了对算法的修改来解决存储体冲突的原则与方法,并通过对聚类算法的实施进行验证。     

离线信号的并行分析处理技术

传统离线信号分析软件处理的数据量庞大且采用单一串行结构，其处理速度通常比较慢。为此，提出了基于图形处理单元（GPU）+中央处理器（CPU）异构方式实现离线信号分析软件的并行化优化思路。首先将离线信号分析中的单一信号串行流程改进为多信号同时处理方式以实现并行效果，然后重点分析了流程中几个比较费时的典型侦察信号处理算法的特点并进行了算法的优化实现和验证，最后提出了离线信号处理优化准则和资源分配策略。试验结果表明，离线信号分析处理软件算法优化改进后，大多数算法处理加速比达到20以上，具有较好的工程实用性，同时该优化准则和策略对于软件化实时信号处理也具有一定的参考价值。     

基于GPU的地形渲染技术的研究与实现

针对目前基于CPU编程的游戏地形渲染技术的不足给出了基于GPU编程的游戏地形渲染技术。模型表达方面采用了稳定网格映射的方法来动态获取所要渲染的地形模型,实验表明弥补了基于CPU游戏地形渲染的不足,结果对于大规模游戏地形渲染获得了一个可靠的渲染效果。     

复杂轨迹合成孔径雷达后向投影算法图像流GPU成像

相对于基于傅里叶变换的频域成像算法,后向投影(BP)算法因采用时域逐点相干积累,更适合于复杂轨迹合成孔径雷达(SAR)高精度成像。但BP算法计算量巨大,限制了其应用于SAR大场景大数据量快速成像。图形处理器(GPU)具有强大浮点运算和并行处理能力,为大场景BP算法快速成像实现提供了途径。结合GPU并行处理,提出了一种基于图像流的复杂运动SAR大场景BP快速成像处理方法。该方法借助BP算法中图像像素点相互独立处理的特性,采用图像像素点并行及图像流程处理,设计了孔径与图像缓存调度方案,提高SAR大场景大数据BP算法成像效率。仿真和机载实测数据结果验证了方法的有效性,在有限GPU显存条件下实现了8 192×8 192大场景快速成像,并且成像加速比相对于传统CPU单线程处理可达300倍以上。     

基于OpenCL的遥感影像算法设计研究

介绍以OpenCL为基础,探讨以GPU对遥感影像进行处理的方法。首先介绍利用OpenCL进行GPU运算的一般性概念,对比GPU运算给遥感影像处理算法带来的影响;其次以实际的遥感影像为例,探讨在使用GPU处理遥感影像时,如何应对前一步所述的影响;接着根据实验结果给出在遥感影像算法中使用OpenCL利用GPU进行运算的总结性经验。最后,对比分别采用GPU和CPU的算法,总结出GPU算法在遥感影像处理方面的方法。     

一种基于OpenCL的Lukas-Kanade光流并行加速算法

LK(Lukas-Kanade)光流法在运动目标检测和跟踪领域具有广泛应用，但其计算复杂、速度慢，难以适应异构硬件平台。为实现LK光流法在不同平台上的高效运行，设计了一种基于开放式计算语言（OpenCL）的LK光流法并行算法。该算法通过将二维图像上像素点上的稠密计算映射到多线程上实现数据并行，并基于OpenCL平台的共享内存等优化方法减小了主机内存与设备内存数据传输。实验测试表明，该算法相比于多核CPU下的基础OpenCV函数库中的LK算法获得了最高31倍的加速比，同时在速度上与统一计算设备体系结构（CUDA）加速的LK光流法相近。此外，还在多种不同设备下验证了加速算法的平台通用性。     

A fast estimation procedure for discrete choice random coefficients demand model

We document speed-up gains of graphical processing unit (GPU) computing over central processing unit (CPU) for the estimation of discrete choice random coefficient demand model. When we use a moderate-sized GPU, the computation is six to twenty times faster, where the smallest speed-up factor, six, is obtained from a comparison with the parallel computing over sixteen CPU cores.     

基于置信度的S模式信号随机多位纠错技术

针对现有纠错技术只能对少量随机错误或突发错误进行纠错的不足,提出了一种基于置信度的随机多位纠错方法。该方法在准确进行置信度判断的基础上,通过缩短循环冗余校验（CRC）处理时间或增加并行运算能力以增加纠错位数。同时给出了可运用于工程实际的保守技术和强力技术的联合纠错处理流程。通过解码纠错实验,统计结果表明该置信度判定法则的准确性为98.24%,通过图形处理器（GPU）强力纠错可实现高达83.37%的解码率,通过现场可编程门阵列（FPGA）强力纠错可实现73.66%的解码率,较现有强力纠错技术的纠错能力有较大提高,可增强对航空器监视的连续性。